Veröffentlicht am 1 November 2026
Logistik-RFPs kommen meist gebündelt an, mit engen Antwortfristen und in Formaten, die von Verlader zu Verlader oder 3PL-Kunde zu 3PL-Kunde stark variieren. Ein Tender-Operations-Team, das monatlich Dutzende RFPs prüft, verbringt einen großen Teil dieser Zeit allein damit, herauszufinden, ob sich ein Gebot überhaupt lohnt, und die grundlegenden Anforderungen zu extrahieren — Streckendetails, Mengenverpflichtungen, Servicelevel-Anforderungen, Informationen zum bisherigen Anbieter, sofern offengelegt — bevor überhaupt mit echter Preis- oder Angebotsarbeit begonnen werden kann. Diese erste Triage ist repetitive, regelgebundene Arbeit, und genau hier kann AI-gestützte Bewertung echte Zeit sparen, ohne die Teile der Angebotsstrategie anzutasten, die wirklich menschliches Urteilsvermögen brauchen.
Warum die Erstsichtung der richtige Ansatz für Automatisierung ist
Die früheste Phase der RFP-Prüfung — sollen wir bieten, und wenn ja, was sind die tatsächlichen Anforderungen — besteht größtenteils aus Extraktion und Abgleich mit bekannten Kriterien: Streckenvolumen gegen die aktuelle Netzwerkkapazität, geforderte Servicelevel gegen das, was Flotte oder Partnernetzwerk realistisch leisten können, Vertragslaufzeit gegen die aktuelle Risikobereitschaft des Unternehmens und grundlegende Ausschlusskriterien (Mindestversicherung nicht erfüllt, geografische Routen außerhalb des Servicegebiets). Dafür braucht es weder Preisstrategie noch Verhandlungsurteil. Dafür braucht es sorgfältiges und konsistentes Lesen eines Dokuments — genau dort, wo die Zeit eines Tender-Teams an RFPs verloren geht, die ohnehin nie gepasst hätten, und wo Automatisierung den größten Zeiteffekt bei den geringsten Nachteilen bringt.
Was die Automatisierung gut können muss
Strukturierte Daten aus wirklich unstrukturierten Dokumenten extrahieren
RFPs kommen als PDFs, Word-Dokumente und portalbasierte Formulare mit stark inkonsistenter Struktur an — manche sind klar mit Abschnitten für Volumen, Routen und Serviceanforderungen gekennzeichnet, andere sind in Fließtext vergraben, der sorgfältig gelesen werden muss, um dieselben Informationen herauszuziehen. Die Extraktionsschicht muss beides beherrschen und Streckenpaare, Mengenverpflichtungen, Servicelevel-Vereinbarungen, Vertragsdauer und alle genannten Bewertungskriterien in ein konsistentes strukturiertes Format überführen, das das Team tatsächlich über mehrere RFPs hinweg vergleichen kann.
Mit der echten Kapazität und den Kriterien des Unternehmens bewerten
Ein Go/No-Go-Score ist nur dann nützlich, wenn er auf dem tatsächlichen aktuellen Stand des Unternehmens basiert — verfügbarer Kapazität nach Route und Equipment-Typ, aktuellen Margenzielen, bestehendem Kundenkonzentrationsrisiko — und nicht auf einer generischen Bewertungs-Vorlage. Das bedeutet, dass die Bewertungslogik eine echte Anbindung an das System braucht, das die aktuelle Kapazität und die bestehenden Zusagen erfasst, damit der Score widerspiegelt, was heute tatsächlich gilt, statt einer statischen Momentaufnahme aus der Zeit, als das System gebaut wurde.
Die Begründung sichtbar machen, nicht nur einen Score
Ein bloßer numerischer Score ohne Erklärung ist für eine Tender-Managerin oder einen Tender-Manager nicht hilfreich, der oder die eine Zusage- oder Absageentscheidung intern trotzdem noch vertreten muss. Das System sollte sichtbar machen, warum ein RFP genau so bewertet wurde — welche Kriterien erfüllt wurden, welche nicht, welche grenzwertig waren — damit die Person, die die finale Entscheidung trifft, die automatisierte Einschätzung schnell prüfen oder übersteuern kann, statt sie als unerklärliche Black Box zu behandeln.
Was eine menschliche Entscheidung bleibt
Die endgültige Entscheidung für ein Angebot oder eine Absage, die Preisstrategie und alles, was Beziehungskontext betrifft, den das System nicht kennt — ein strategischer Kunde, für den man bewusst unter der normalen Marge bietet, um ihn zu halten, oder eine Route, aus der das Unternehmen aussteigen will, ganz gleich wie attraktiv ein einzelnes RFP aussieht — müssen beim Tender-Team bleiben. Die automatisierte Bewertung ist ein starker Erstfilter und eine Zeitersparnis bei der mechanischen Extraktionsarbeit, aber kein Ersatz für das Urteilsvermögen, das Angebote in der Praxis gewinnt oder verliert.
Wie das in den breiteren Tender-Workflow passt
Die Erstsichtung ist der Einstieg in einen längeren Prozess, der in der Regel Angebotsentwurf, Preisfindung und Einreichungsverfolgung umfasst, und der eigentliche Mehrwert wächst deutlich, wenn die bei der Aufnahme extrahierten strukturierten Daten in die späteren Phasen weiterfließen, statt erneut manuell eingegeben zu werden. Das ist das Muster hinter unserer breiteren AI-Ausschreibungs- und Angebotsmanagement-Arbeit, und es knüpft direkt an den logistischen operativen Kontext an, den wir in unserer Arbeit zu AI-Software für Logistik und Lieferketten behandeln, da Strecken- und Kapazitätsdaten, die für die Bewertung genutzt werden, oft dieselben Daten sind, die auch andere operative Entscheidungen steuern.
Wo das scheitert
Schlecht strukturierte oder gescannte RFP-Dokumente sind der häufigste praktische Ausfall — ein gescanntes PDF ohne durchsuchbaren Text oder ein Dokument, das kritische Anforderungen in einem Bild oder einer Tabelle versteckt, die Extraktionstools nur unzureichend verarbeiten, kann dazu führen, dass das System eine Ausschlussbedingung komplett übersieht. Ein OCR- und Strukturqualitätscheck, bevor auf extrahierte Daten vertraut wird, sowie das Kennzeichnen von Extraktionen mit geringer Sicherheit für eine manuelle Prüfung statt einer stillen Bewertung auf Basis unvollständiger Daten, vermeidet die schlimmste Form dieses Problems. Das zweite häufige Problem sind Bewertungskriterien, die veralten, wenn sich Kapazitäten und Strategie des Unternehmens verschieben — ein Scoring-Modell braucht eine klare verantwortliche Person, die die zugrunde liegenden Annahmen zu Kapazität und Marge regelmäßig aktualisiert, sonst entfernen sich die Scores still und leise von dem, was das Unternehmen tatsächlich liefern kann.
Was man messen sollte
Die Zeit vom Eingang des RFP bis zur Go/no-go-Entscheidung ist die direkteste Effizienzkennzahl, muss aber mit der Zuschlagsquote und der Leistung nach Auftragserteilung im Vergleich zu den zugesagten Service Levels kombiniert werden, um zu bestätigen, dass das Scoring das Team tatsächlich zu den richtigen Chancen lenkt und nicht nur die Bearbeitung beschleunigt. Ein Team, das RFPs doppelt so schnell bewertet und beantwortet, aber den gleichen Anteil ungeeigneter Verträge gewinnt, hat seinen Ausschreibungsprozess in Wahrheit nicht verbessert.
Warum sich das von generischem Document AI unterscheidet
Es liegt nahe, RFP-Scoring als allgemeines „fasst dieses Dokument zusammen“-Problem zu betrachten und dafür ein Standard-Document-AI-Tool einzusetzen. Dieser Ansatz trifft die Extraktion ungefähr richtig, verfehlt aber den Teil, der das System tatsächlich nützlich macht: die Gegenüberstellung der extrahierten Anforderungen mit den aktuellen Kapazitäten, Margenzielen und der Risikobereitschaft des Unternehmens — etwas, das generische Tools nicht kennen. Die Scoring-Logik muss um die Daten des konkreten Unternehmens herum aufgebaut werden, nicht um das allgemeine Bild eines Modells davon, wie ein gutes Logistik-RFP aussieht. Deshalb ist auch die Integration mit dem System, das aktuelle Kapazitäten und Zusagen verfolgt, ebenso wichtig wie die Extraktion selbst — ein Scoring-System, das mit den Kapazitätszahlen des letzten Quartals arbeitet, liefert mit voller Überzeugung falsche Antworten.
Vertrauliche und wettbewerbsrelevante Informationen sorgfältig behandeln
RFPs enthalten oft Informationen, die ein Versender als sensibel einstufen würde — aktuelle Preise mit einem bestehenden Frachtführer, interne Volumenprognosen, beiläufig erwähnte strategische Pläne. Jedes automatisierte System, das mit diesen Daten arbeitet, braucht klare Regeln: Wer die extrahierten Daten sehen darf, wie lange sie aufbewahrt werden und ob sie über das Scoring des konkreten RFP hinaus in irgendeiner Weise genutzt werden. Das ist sowohl aus naheliegenden Gründen der Vertraulichkeit wichtig als auch deshalb, weil Versender Bieter zunehmend direkt fragen, wie ihre RFP-Daten intern gehandhabt werden, und ein Ausschreibungsteam ohne klare Antwort genau bei der Art von Frage an Glaubwürdigkeit verliert, die in Beschaffungsprozessen immer häufiger wird.
Erste Schritte
Der sinnvollste erste Schritt ist meist, eine Stichprobe aktueller RFPs zusammenzustellen — sowohl solche, auf die geboten wurde, als auch solche, die nicht verfolgt wurden — und genau zu erfassen, welche Informationen extrahiert wurden und welche Kriterien in jedem Fall tatsächlich die Entscheidung bestimmt haben. Diese Zuordnung macht die Scoring-Logik vor Baubeginn greifbar statt theoretisch. Der ASTACKRA Project Planner ist ein schneller Weg, Ihren aktuellen Ausschreibungsprozess und Ihr Volumen zu beschreiben und eine passgenaue Empfehlung zu erhalten, oder Sie erreichen das Team über unsere Kontaktseite.
Verwandt